非線性時間序列建模預測是復雜系統(tǒng)數(shù)據(jù)驅(qū)動控制的一個重要研究方向,已被廣泛應用于工業(yè)系統(tǒng)故障分析與預測、工業(yè)過程控制、金融市場數(shù)據(jù)預測、河流流量和降雨量預測、溫度預測以及剩余使用壽命預測等多個領(lǐng)域。通過對復雜系統(tǒng)進行分析,建立相應的時間序列預測模型,能夠使人們更深入的理解系統(tǒng)內(nèi)部特性,并能夠更好的實現(xiàn)系統(tǒng)控制與決策。隨機映射神經(jīng)網(wǎng)絡作為神經(jīng)網(wǎng)絡的一種,具有更快的收斂速度,能夠得到全局最優(yōu)解,學習簡便等優(yōu)點,已在非線性時間序列預測中得到了較好的預測性能并取得了豐碩的成果。因此,本文針對非線性時間序列建模預測問題展開研究,對兩種隨機映射神經(jīng)網(wǎng)絡進行改進,優(yōu)化網(wǎng)絡結(jié)構(gòu),提高預測模型魯棒性,建立優(yōu)化組合模型。最后,將改進的隨機映射神經(jīng)網(wǎng)絡應用于數(shù)控機床進給系統(tǒng)時間序列預測中。論文的創(chuàng)新性研究主要包括以下四方面:提出修正的正則化極端學習機預測模型框架。針對極端學習機預測時間序列時隱層節(jié)點數(shù)不易選擇,時間序列經(jīng)極端學習機進行高維空間映射后容易產(chǎn)生冗余信息和過擬合的問題,本文對極端學習機結(jié)構(gòu)展開研究,通過對基于₁L范數(shù)、₁L和₂L混合范...

【文章頁數(shù)】：133 頁

【學位級別】：博士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與研究意義
    1.2 課題來源
    1.3 國內(nèi)外研究現(xiàn)狀
    1.4 論文研究內(nèi)容概要和結(jié)構(gòu)安排
2 修正的正則化極端學習機預測方法
    2.1 引言
    2.2 狀態(tài)空間重建
    2.3 正則化的極端學習機
    2.4 修正的正則化極端學習機預測模型
    2.5 仿真實例
    2.6 本章小結(jié)
3 魯棒變分回聲狀態(tài)網(wǎng)絡預測方法
    3.1 引言
    3.2 不同概率分布魯棒性分析
    3.3 貝葉斯回歸回聲狀態(tài)網(wǎng)絡預測模型
    3.4 魯棒變分回聲狀態(tài)網(wǎng)絡預測模型
    3.5 仿真實例
    3.6 本章小結(jié)
4 組合隨機映射神經(jīng)網(wǎng)絡預測方法
    4.1 引言
    4.2 多核極端學習機
    4.3 基于ADABOOST.RT的多核極端學習機預測模型
    4.4 算法評估
    4.5 雙稀疏相關(guān)向量機模型
    4.6 多稀疏回聲狀態(tài)網(wǎng)絡預測模型
    4.7 仿真實例
    4.8 本章小結(jié)
5 隨機映射神經(jīng)網(wǎng)絡在數(shù)控機床進給系統(tǒng)時間序列預測中的應用
    5.1 引言
    5.2 數(shù)控機床進給系統(tǒng)運動數(shù)據(jù)采集
    5.3 進給系統(tǒng)時間序列
    5.4 修正的正則化極端學習機預測進給系統(tǒng)時間序列
    5.5 魯棒回聲狀態(tài)網(wǎng)絡預測進給系統(tǒng)時間序列
    5.6 組合隨機映射神經(jīng)網(wǎng)絡預測進給系統(tǒng)時間序列
    5.7 不同模型預測進給系統(tǒng)時間序列分析
    5.8 本章小結(jié)
6 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 創(chuàng)新點
    6.3 展望
致謝
參考文獻
附錄1 攻讀博士學位期間發(fā)表的學術(shù)論文目錄
附錄2 攻讀博士學位期間參加的科研項目



本文編號：3796108